糖尿病患者、慢性阻塞性肺疾病、慢性心力衰竭和慢性肾脏病患者自我管理激活相关患者与疾病特征数据

数据集获取

源站：https://doi.org/10.5061/dryad.jg413

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 194.5 KB。

数据说明

相当大比例的慢性病患者对自我管理干预无响应，这表明“一刀切”的干预措施并不适用于所有人，需要更为个性化的干预策略。为了制定更加个体化的方案，我们旨在加深对与患者自我管理激活相关特征的理解，并评估这些特征是否跨越不同疾病。本研究在初级和二级医疗机构中，针对2型糖尿病（DM-II）、慢性阻塞性肺疾病（COPD）、慢性心力衰竭（CHF）及慢性肾脏病（CRD）患者进行了一项横断面调查。采用多元线性回归分析，我们探讨了自我管理激活（采用13项患者激活度量表；PAM-13）与广泛的社会人口学、临床及心理社会决定因素之间的关联。此外，我们通过检验疾病是否为效应修饰因子，来评估这些决定因素与PAM之间的关联是否超越特定疾病。同时，我们运用逻辑回归分析，识别了与自我管理低激活相关的决定因素。

我们纳入了1154例患者（应答率为53%）；其中422例为DM-II患者，290例为COPD患者，223例为HF患者，219例为CRD患者。平均年龄为69.6±10.9岁。多元线性回归分析揭示了9个自我管理激活水平的解释性决定因素：年龄、BMI、教育水平、经济困难、身体健康状况、抑郁、疾病感知、社会支持和基础疾病，共解释了16.3%的方差。除社会支持外，所有关联均超越疾病类型。本研究探讨了与自我管理激活水平差异相关的因素。这些结果是为支持临床医生和研究人员识别不太可能参与自我管理的慢性病患者亚群迈出的第一步。需要加大科学研究的力度，以解释更大比例的

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。